pysenti
Chinese Sentiment Classification Tool for Python. 中文情感极性分析工具。
pysenti基于规则词典的情感极性分析，扩展性强，可作为调研用的基准方法。
Question
文本情感极性（倾向）分析咋做？
Solution
规则的解决思路
- 中文情感极性分析，文本切分为段落，再切词，通过情感词标识出各个词语的情感极性，包括积极、中立、消极。
- 结合句子结构（包括连词、否定词、副词、标点等）给各情感词语的情感极性赋予权重，然后加权求和得到文本的情感极性得分。
- 优点：泛化性好，规则可扩展性强，所有领域通用。
- 缺点：规则词典收集困难，专家系统的权重设定有局限，单一领域准确率相比模型方法低。
模型的解决思路
- 常见的NLP文本分类模型均可，包括经典文本分类模型（LR、SVM、Xgboost等）和深度文本分类模型（TextCNN、Bi-LSTM、BERT等）。
- 优点：单一领域准召率高。
- 缺点：不通用，有标注数据的样本收集困难，扩展性弱。
Feature
规则
-
情感词典整合了
知网情感词典、清华大学李军情感词典、BosonNLP情感词典、否定词词典。
模型
- bayes 文本分类模型
- 样本数据来自商品评论数据，分为积极、消极两类。
Demo
Official Demo: https://www.mulanai.com/product/sentiment_classify/
Install
- 全自动安装：pip install pysenti
- 半自动安装：
git clone https://github.com/shibing624/pysenti.git
cd pysenti
python3 setup.py installUsage
规则方法
example: examples/rule_classifier_demo.py
import pysenti
texts = ["苹果是一家伟大的公司",
"土豆丝很好吃",
"土豆丝很难吃"]
for i in texts:
r = pysenti.classify(i)
print(i, r['score'], r)output:
苹果是一家伟大的公司 3.4346924811096997 {'score': 3.4346924811096997, 'sub_clause0': {'score': 3.4346924811096997, 'sentiment': [{'key': '苹果', 'adverb': [], 'denial': [], 'value': 1.37846341627, 'score': 1.37846341627}, {'key': '是', 'adverb': [], 'denial': [], 'value': -0.252600480826, 'score': -0.252600480826}, {'key': '一家', 'adverb': [], 'denial': [], 'value': 1.48470161748, 'score': 1.48470161748}, {'key': '伟大', 'adverb': [], 'denial': [], 'value': 1.14925252286, 'score': 1.14925252286}, {'key': '的', 'adverb': [], 'denial': [], 'value': 0.0353323193687, 'score': 0.0353323193687}, {'key': '公司', 'adverb': [], 'denial': [], 'value': -0.360456914043, 'score': -0.360456914043}], 'conjunction': []}}
土豆丝很好吃 2.294311221077 {'score': 2.294311221077, 'sub_clause0': {'score': 2.294311221077, 'sentiment': [{'key': '土豆丝', 'adverb': [], 'denial': [], 'value': 0.294892711165, 'score': 0.294892711165}, {'key': '很', 'adverb': [], 'denial': [], 'value': 0.530242664632, 'score': 0.530242664632}, {'key': '好吃', 'adverb': [], 'denial': [], 'value': 1.46917584528, 'score': 1.46917584528}], 'conjunction': []}}
土豆丝很难吃 -2.381874203563 {'score': -2.381874203563, 'sub_clause0': {'score': -2.381874203563, 'sentiment': [{'key': '土豆丝', 'adverb': [], 'denial': [], 'value': 0.294892711165, 'score': 0.294892711165}, {'key': '很', 'adverb': [], 'denial': [], 'value': 0.530242664632, 'score': 0.530242664632}, {'key': '难吃', 'adverb': [], 'denial': [], 'value': -3.20700957936, 'score': -3.20700957936}], 'conjunction': []}}score: 正值是积极情感；负值是消极情感。
模型方法
example: examples/model_classifier_demo.py
from pysenti import ModelClassifier
texts = ["苹果是一家伟大的公司",
"土豆丝很好吃",
"垃圾，在酒店中应该是很差的！",
"我们刚走过一个烧烤店",
"土豆丝很难吃"]
m = ModelClassifier()
for i in texts:
r = m.classify(i)
print(i, r)output：
苹果是一家伟大的公司 {'positive_prob': 0.682, 'negative_prob': 0.318}
土豆丝很好吃 {'positive_prob': 0.601, 'negative_prob': 0.399}
土豆丝很难吃 {'positive_prob': 0.283, 'negative_prob': 0.717}延迟加载机制
pysenti 采用延迟加载，import pysenti 和 from pysenti import rule_classifier 不会立即触发词典的加载，一旦有必要才开始加载词典。如果你想手工初始 pysenti，也可以手动初始化。
import pysenti
pysenti.rule_classifier.init() # 手动初始化（可选）你还可以使用自定义情感词典:
pysenti.rule_classifier.init('user_sentiment_dict.txt')情感词典user_sentiment_dict.txt的格式如下：
难吃 -10
好吃 10空格间隔，第一个是词，第二个是分值：正值代表积极情感，负值代表消极情感，越大情感越强烈。
命令行
使用示例： python -m pysenti news.txt > news_result.txt
命令行选项（翻译）：
使用: python -m pysenti [options] filename
命令行界面
固定参数:
filename 输入文件
可选参数:
-h, --help 显示此帮助信息并退出
-d DICT, --dict DICT 使用 DICT 代替默认词典
-u USER_DICT, --user-dict USER_DICT
使用 USER_DICT 作为附加词典，与默认词典或自定义词典配合使用
-a, --output-all 输出句子及词级别情感分析详细信息
-V, --version 显示版本信息并退出
如果没有指定文件名，则使用标准输入。--help选项输出：
$> python -m pysenti --help
usage: python3 -m pysenti [options] filename
pysenti command line interface.
positional arguments:
filename input file
optional arguments:
-h, --help show this help message and exit
-d DICT, --dict DICT use DICT as dictionary
-u USER_DICT, --user-dict USER_DICT
use USER_DICT together with the default dictionary or
DICT (if specified)
-a, --output-all output text sentiment score and word sentiment info
-V, --version show program's version number and exit
If no filename specified, use STDIN instead.Reference
- snownlp
- SentimentPolarityAnalysis
